技术领域
本发明属于能源互联网技术领域。
背景技术
需求响应项目是一系列基于系统运行管理者用于使用户减少用电负荷响应电力供应的项目,允许用户将可中断负荷作为一种商品供给电力市场,用以改善任何时候供需之间的不匹配问题。主要分为价格型和激励型项目,价格型项目激励参与客户根据时变电价改变消费模式,激励性项目则考虑在电力系统负载较重时,通过提供固定或时变激励来降低客户的用电量。价格型需求响应项目和激励性需求响应项目每一类都由几种项目组成。例如,价格型需求响应项目分为分时定价、实时定价和临界峰值定价。这些计划包括紧急需求响应计划、直接负载控制、容量市场计划、可中断/可削减服务、辅助服务和需求招标计划。
近年来,很多文献研究了响应性负荷的需求响应项目动态经济模型,但也存在着一些问题,比如:一些研究把需求弹性假设为不同惩罚和激励金额的恒定值,并没有准确地模拟客户的行为;由于用户在低电价或负荷需求期的弹性与高电价或负荷需求期的弹性不一样,考虑固定弹性值会导致需求响应模型的结果不准确(需求量减少)。因此,建立响应负荷动态经济模型需要考虑更多的因素,包括弹性随负载需求的变化,“需求弹性”和“顾客利益函数”的概念等,如何在考虑电价、惩罚和激励价值的情况下,对每一种已开发需求响应项目的需求弹性进行评估,以及如何建立动态需求响应项目模用于评估需求响应项目对负荷分布特性的影响都是需要深入研究的问题。
发明内容
本发明的目的基于客户的效益函数和弹性需求,建立了紧急需求响应计划与分时电价相结合的动态经济模型,并利用加权法和理想解相似性的排序技术对已开发的需求响应项目进行优先级排序的电力市场中动态需求响应项目的建模与优先排序方法。
本发明步骤是:
步骤1:建立响应负荷需求曲线和需求弹性模型;
步骤2:建立响应负荷动态经济模型;
步骤3:利用加权法和理想解相似性的排序技术对已开发的需求响应项目进行优先级排序。
本发明步骤1建立响应负荷需求曲线和需求弹性模型方法如下:
(1)需求曲线
需求曲线(D(t)=-a
(2)需求弹性,弹性是指需求对价格的敏感度:
式中,E(t,t)为自弹性,∏(t)为实施价格型需求响应项目每小时的二级/虚拟电价,D(t)为实施需求响应项目后第t小时的电力需求;
利用上述需求曲线函数,需求的自弹性表示为:
式中,a
根据公式(2),第t个时段的需求弹性与第j个时段的需求弹性公式为:
假设向电力市场提供∏(t)、∏(j)和∏(k)三种不同价格的电力,当电价等于∏(t)$/MWh、∏(j)$/MWh和∏(k)$/MWh时,用户分别消耗D(t)、D(j)和D(k)兆瓦时的电量,假设每个客户都有能力花费I($)来消耗电力,用如下公式表示:
П(t)D(t)+П(j)D(j)+П(k)D(k)=I (5)
考虑到需求曲线的线性结构,∏(t)、D(j)和D(k)定义为:
D(j)=-a
D(k)=-a
将式(5)带入式(6)-(8),并将D(t)与∏(j)区分,得到式(9),根据式(4),需求的交叉弹性表示为式(10):
本发明步骤2建立了响应负荷动态经济模型的方法如下:
假设通过实施需求响应项目,客户的需求从初始值D
ΔD(t)=D(t)-D
式中,D
考虑到A(t)$/MW作为激励,在第t小时向终端用户支付减负荷费用,则参与激励性项目的总激励如下:
式中,p(ΔD(t))为第t小时客户参与激励型的需求响应项目的总激励,A(t)为每降低1MWh第t小时需求响应项目的激励;
违约金总额按式(13)计算,第t小时合同额按IC(t)计算,同期违约金按pen(t)计算
PEN(ΔD(t))=pen(t)[IC(t)-|ΔD(t)|] (13)
式中,pen(t)为第t小时的罚款,IC(t)为基于奖励的项目合同级别;
假设使用D(t)MWh电力在第t小时的客户收入等于B(D(t)),那么客户的收益S(D(t))将等于:
S(D(t))=B(D(t))-D(t)П(t)+p(ΔD(t))-PEN(ΔD(t)) (14)
二次型效益函数如下:
式中,B
基于经典的优化规则,
通过将等式(15)中D(t)进行微分并代入等式(16)中得到的等式,客户的消耗将等于:
将式(3)带入(17)中得到式(18):
与获得公式(17)的过程类似,多周期负荷经济模型表示如下:
式(19)基于式(10)中的交叉弹性定义扩展为式(20),将(18)和(20)相结合,并考虑系数“η”作为实施需求响应项目的潜力,响应负荷动态经济模型将为等式(21)
本发明步骤3利用加权和理想解相似性的排序技术对已开发的需求响应项目进行排序
考虑到决策矩阵,D
式中,NAL为备选方案数量,NAT为属性数量,χ
每个元素D
要对每个属性W
为了对属性重要性因子(λ
本发明加权法和理想解相似性的排序法的优化步骤如下:
第一步:建立决策矩阵,考虑NAL方案和NAT属性;
第二步:计算归一化加权D
第三步:得到反理想解和理想解:在每列中,反理想解,即V-k,是负的最大值和正的最小值;同样地,理想解V+k分别是每个列中正、负的最大值和最小值
第四步:得到备选方案与反理想解和正理想解的距离SS
最后,根据C
本发明基于客户的效益函数和弹性需求,建立了紧急需求响应计划与分时电价相结合的动态经济模型,开发了不同的需求响应项目方案,并将多属性决策作为一种有效的决策方法。此外,考虑了弹性随负载需求的变化,并提出了需求量弹性,得到了更为精确的结果,还利用加权法和理想解相似性的排序技术对已开发的需求响应项目进行排序,为决策者提供了依据其观点选择优先级最高的方案的机会。
附图说明
图1是本发明需求曲线的变化图;
图2是本发明需求响应项目的优先级排序流程图。
具体实施方式
本发明的步骤是:
步骤1:建立响应负荷需求曲线和需求弹性模型;
步骤2:建立响应负荷动态经济模型;
步骤3:利用加权法和理想解相似性的排序技术对已开发的需求响应项目进行优先级排序,在多属性决策的基础上,提出了一种合理的求解方法来选择最有效的需求响应项目。
下面结合附图对本发明的具体实施方式和步骤作进一步的详细说明
步骤1建立了响应负荷需求曲线和需求弹性模型:
(1)需求曲线
为了分析不同因素、变化和时刻对需求曲线的影响,应该考虑如下。
最初,需求曲线如图1(a)所示;当需求曲线向左移动时,如图1(b)所示,客户以每一价格愿意购买商品的数量减少,即需求曲线的左移代表着需求的减少;相反地,当需求曲线向右移动时,如图1(c)所示,客户以每一价格愿意购买更多的商品,代表需求的增加。价格的变化只会引起需求曲线的移动,如图1(d)所示。
本发明提出了需求曲线(D(t)=-a
(2)需求弹性
弹性是指需求对价格的敏感度:
式中,E(t,t)为自弹性,∏(t)为实施价格型需求响应项目每小时的二级/虚拟电价,D(t)为实施需求响应项目后第t小时的电力需求。
利用上述需求曲线函数,需求的自弹性可以表示为:
式中,a
需要指出的是,需求弹性总是以现货价格来衡量的。也就是说,尽管需求曲线的线性结构的斜率是不变的,但不同价格下的需求弹性是不一样的,它会随着需求的减少而增加。根据公式(2),第t个时段的需求弹性与第j个时段的需求弹性(称为交叉弹性)可以定义为:
考虑到以下步骤,开发了需求的交叉弹性公式。首先,假设向电力市场提供∏(t)、∏(j)和∏(k)三种不同价格的电力。当电价等于∏(t)$/MWh、∏(j)$/MWh和∏(k)$/MWh时,用户分别消耗D(t)、D(j)和D(k)兆瓦时的电量。这里,假设每个客户都有能力花费I($)来消耗电力。
上述解释可以用数学方法表示为:
∏(t)D(t)+∏(j)D(j)+∏(k)D(k)=I (5)
考虑到需求曲线的线性结构,∏(t)、D(j)和D(k)定义为:
D(j)=-a
D(k)=-a
将式(5)带入式(6)–(8),并将D(t)与∏(j)区分,得到式(9),可推广到“N”不同电价的市场。因此,根据式(4),需求的交叉弹性(第t周期与第j周期)可以表示为式(10):
步骤2建立了响应负荷动态经济模型:
假设通过实施需求响应项目,客户的需求从初始值D
ΔD(t)=D(t)-D
式中,D
考虑到A(t)$/MW作为激励,在第t小时向终端用户支付减负荷费用,则参与激励性项目的总激励如下:
式中,p(ΔD(t))为第t小时客户参与激励型的需求响应项目的总激励,A(t)为每降低1MWh第t小时需求响应项目的激励。
如果在基于激励型的需求响应项目中注册的消费者不遵守合同将受到处罚。违约金总额按式(13)计算,第t小时合同额按IC(t)计算,同期违约金按pen(t)计算
PEN(ΔD(t))=pen(t)[IC(t)-|ΔD(t)|] (13)
式中,pen(t)为第t小时的罚款,IC(t)为基于奖励的项目合同级别。
假设使用D(t)MWh电力在第t小时的客户收入等于B(D(t)),那么客户的收益S(D(t))将等于:
S(D(t))=B(D(t))-D(t)Π(t)+p(ΔD(t))-PEN(ΔD(t)) (14)
势函数、对数函数和二次函数是B(D(t))最常用的结构形式(其中二次效益函数是考虑到所述函数的二阶泰勒级数展开而得到的)。
客户最常用的二次型效益函数如下:
式中,B
利用方程(12)–(15),S(D(t))的图类似于一个开放的抛物线二次函数。在这种情况下,基于经典的优化规则,
通过将等式(15)中D(t)进行微分并代入等式(16)中得到的等式,客户的消耗将等于:
将式(3)带入(17)中得到式(18):
需要注意,等式(18)表示仅在一个周期内具有灵敏度的一些负载的行为。某些负载在一个时段内只能打开或关闭,这意味着它们不能从一个时段移动到另一个时段。照明负荷是这类负荷的适当例子。另一方面,与这类负荷相比,有一些类型的负荷,如可转移负荷,可以从高峰时段转移到非高峰时段或低谷时段。这种被称为多周期敏感性的行为是使用需求的交叉弹性来评估的。与获得公式(17)的过程类似,多周期负荷经济模型可以表示如下:
式(19)可基于式(10)中的交叉弹性定义扩展为式(20)。
将(18)和(20)相结合,并考虑系数“η”作为实施需求响应项目的潜力,响应负荷动态经济模型将为等式(21)。
步骤3利用加权和理想解相似性的排序技术对已开发的需求响应项目进行排序,在多属性决策的基础上,提出了一种合理的求解方法来选择最有效的需求响应项目:
为了改善负荷曲线的特性,达到用户的满意,开发了不同可供选择的需求响应项目方案。选择最佳需求响应项目设置规则是决策者的职责之一。
优化的目标可以改善负荷曲线的特性,并使客户满意。同时它也是一个非常复杂的问题,因为满足一个目标可能影响其他的目标。因此,本专利在多属性决策的基础上,提出了一种合理的求解方法,其主要目标是选择最有效的需求响应项目。为此,使用加权法对属性进行加权,加权法是解释离散分布函数(Pl)不确定性的一个准则,总计如下:
考虑到决策矩阵,D
式中,NAL为备选方案数量,NAT为属性数量,χ
每个元素D
要对每个属性W
为了对属性重要性因子(λ
在式(25)中,较低的权重要求属性对所有备选方案的影响是相似的,其重要性对于决策是可以忽略的。
在这一步中,独立系统操作员从自身的角度通过理想解相似排序技术方法对程序/备选方案进行排序。显然,相关的选择应该具有理想点的最小可能距离,和到理想点的最大距离。为了做到这一点,加权法和理想解相似性的排序方法因其简单性和仿真时间而优于其他方法。另一方面,加权法和理想解相似性的排序方法对选择过程中使用的备选方案或标准的数量没有任何限制。此外,该方法基于所选方案与正理想解的几何距离最短、与负理想解的几何距离最长的概念。利用加权法和理想解相似性的排序方法,确定了各理想解、备选解和反理想解之间的距离。
加权法和理想解相似性的排序法的优化步骤如下:
第一步:建立决策矩阵,考虑NAL方案和NAT属性。
第二步:计算归一化加权D
第三步:得到反理想解和理想解。在每列中,反理想解,即V-
第四步:得到备选方案与反理想解和正理想解的距离SS
最后,根据C
机译: 需求响应应用中建筑物能耗的动态负荷建模
机译: 需求响应应用中建筑物能耗的动态负荷建模
机译: 用于需求响应应用的建筑物能耗的动态负载建模